基于改进DeepSORT算法的群养生猪行为识别与跟踪方法

作者：涂淑琴; 刘晓龙; 梁云; 张宇; 黄磊; 汤寅杰

来源：农业机械学报, 2022, 1-14.

• 群养生猪
• 目标检测
• 行为识别
• 多目标跟踪
• 计算机视觉

为改善猪只重叠与遮挡造成的猪只身份编号（Identity，ID）频繁跳变，本文在YOLO v5s检测算法基础上，提出了改进DeepSORT行为跟踪算法。该算法改进包括两个方面，一是针对特定场景下猪只数量稳定的特点，改进跟踪算法的轨迹生成与匹配过程，降低ID切换次数，提升跟踪稳定性；二是将YOLO v5s检测算法中的行为类别信息引入跟踪算法中，在跟踪中实现准确的猪只行为识别。实验结果表明，在目标检测方面，YOLO v5s的mAP为99.3%，F1值为98.7%。在重识别方面，实验的Top-1准确率达到99.88%。在跟踪方面，改进DeepSORT算法的MOTA为91.9%，IDF1为89.2%，IDS为33；与DeepSORT算法对比，MOTA和IDF1分别提升了1.0%和16.9%，IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪，能够为无接触式地自动监测生猪提供技术支持。

• 单位
  华南农业大学; 电子工程学院